Avaliação de dois algoritmos de machine learning na previsão do câncer de mama

Abstract

A humanidade busca constantemente por respostas imediatas e com alto nível de acurácia. Por isso, a Aprendizagem de Máquina (Machine Learning), considerada como uma subárea da inteligência artificial, é uma das opções viáveis, pois tem potencial para auxiliar as mais diversas áreas e possui uma gama de aplicabilidade, desde questões mais simples até aquelas de maior complexidade, como a da saúde com previsões de diagnósticos de doenças. Este trabalho visa apresentar os resultados de um estudo probabilísticopara a previsão do câncer de mama com Machine Learning, no qual foram utilizados dois algoritmos e seus resultados foram comparados. Utilizou-se o SVM (Máquina de Vetores de Suporte) e o Naive Bayes. Para a execução do trabalho foram utilizadas ferramentas como a linguagem de programação Python em conjunto com algumas bibliotecas, e como plataforma para execução e desenvolvimento dos algoritmos o Google Colaboratory. Portanto, ao fim deste estudo foi possível verificar que, a técnicaMachine Learning quando executado de maneira correta, com uma base de dados estruturada e tratada, pode gerar bons resultados com uma alta taxa de eficiência.

In view of the constant search for immediate responses with a high level of assertiveness by the humanity, there is the Machine Learning, a sub-area of artificial intelligence as one of the viable options, which demonstrates the potential to help in the most diverse areas, and thathas a wide range of applicability, from the simplest issues, tothe health area with disease prediction. The work in question aims to present the results by executinga probabilistic study in relation to the prediction of breast cancer with Machine Learning, in which two resources were used and compared with the results of both, namely the SVM (Support Vectors Machine) and the Naive Bayes. To executethe work, tools such as the Python programming language were used together with some libraries, and Google Collaboratory as a platform for the execution and development ofthe algorithms. Therefore, at the end ofthis study, it was possible to verifythat,Machine Learning,when performed correctly, with a studied and treated base, is ableto obtain good results with a high rate of assertiveness.